写给新手,关于数据分析师职业前景!

做数据分析前我们首先要明确分析目的和内容,对于数据分析师而言,他们的进阶需求无外乎是各个企业对数据分析师的职位要求。在前程无忧、中华英才网以及智联招聘上,我们随便搜索下数据分析的岗位信息,都能找到大量类似于下面的一些职位要求信息:

别看岗位职责,任职要求这么多,说白了主要就三点要求:

1)对相关业务的理解;

2)掌握一到二种数据分析工具;

3)良好的沟通。可能不同的公司因为需求不同,会在要求上有点小小的不同,而这个不同主要集中在数据库上。

了解数据分析师的具体需求之前,我们有必要先了解数据分析师的职位体系。

在传统行业中,数据分析更多存在移动、银行、超市等行业,在这些行业中你才会偶尔听到数据分析师这个职位,也许更多是听到数据挖掘工程师、数据建模师。在中国也许只在电信的项目中,才会存在真正的意义上的数据挖掘。

业从广义上讲可以分为以下几个职位:

1、数据分析师

更注意是对数据、数据指标的解读,通过对数据的分析,来解决商业问题。主要有以下几个次层次:

业务监控:诊断当前业务是否正常?是否存在问题?业务发展是否达到预期(KPI)?如果没有达到预期,问主要问题在哪?是什么原因引起的?

建立分析体系:这些数据分析师已经对业务有一定的理解,对业务也相对比较熟悉,更多帮业务方建立一套分析体系,或者更高级是做成数据产品。例如:营销活动。分析师会告诉业务方,在活动前你应该分析哪些数据,从而制定恰当的营销计划。在营销过程中,你应该看哪些数据,从而及时做出营销活动调整。在营销活动,应该如何进行活动效果评估。

行业未来发展的趋势分析:这应该是数据分析师最高级别,有的公司叫做战略分析师/商业分析师。这个层次的数据分析师站的更高,在行业、宏观的层面进行业务分析,预测未来行业的发展,竞争对手的业务构成,帮助公司制定战略发展计划,并及时跟踪、分析市场动态,从而及时对战略进行不断优化。

主要技能要求:

数据库必须精通。很多时候,你模型的数据预处理,可能完成在数据库里完成,你用到的数据库技巧更高。

必须要会成熟的数据挖掘工具、数据挖掘算法,例如:SPSS/CELEMENTINE、SAS/EM等,当然如果你会一、二款开源软件,并会写一些程序代码那是最好的,大公司都喜欢用开源的软件,例如:R、WEKA。

2、数据挖掘工程师

更多是通过对海量数据进行挖掘,寻找数据的存在模式、或者说规律,从而通过数据挖掘来解决具体问题。数据挖掘更多是针对某一个具体的问题,是以解决具体问题为导向的。例如:聚类分析,通过对于会员各种人口统计学、行为数据进行分析,对会员进行分类,对不同的类型的会员建立相应的profiling,从而更好的理解会员,知道公司会员是到底如何?高、中、低低价值的会员构成,既可以后期各种会员的运营提供指导,提高活动效率,可以指导公司的营销,例如广告的投放策略。以及用于公司各种战略的制定。

3、数据建模师

这个职位与数据挖掘工程师还是有本质区别的。数据建模师,更多偏向于中、小数据量,而且其使用更多更多是统计学的方法,而数据挖掘中的例如:决策树、神经网络、SVM等在这里是根据不会涉及的。

当然二者有一个共同之处都是,针对很具体的问题,都是会解决某个具体问题,例如:营销反应率,你就可能历史的邮箱、短信的反应情况,来建模型进行预测,从而提高邮件反应率,或者减少对用户来说的“垃圾”邮箱,提高用户体验。所以从掌握的技能上讲,这二者就有很大的区别,数据建模师其实很少会提到算法这个词,更多说使用什么模型,有感觉吗?但是从实务界来看,这二个模型越来越没有明确的分工,一般来说都会二个职位的人都会去学习对方的知识,所以这二个职位有合并的趋势,但在未来几年来,我觉得公司要招人的时候应该还是要有区别的。

新进入数据行业的同学,可以根据自己的背景背景选择相应的职位,学数据、统计学的朋友更多可以偏向于建模师,而计算机特别是写编程出现和同学,可以走数据挖掘工程师,也许适应性更好,但这不是绝对的。

数据分析师的职位级别划分

不同公司对数据分析师的职位划分稍有不同,在一些中小型企业,没有成立独立的数据中心前,数据分析的相关职位往往是在譬如市场部、运营部这些部门之下,通常数据分析成员在2-4人不等。对于一些大型企业,有独立的数据部门的企业,其数据分析团队人员则是十到百人不等,其职位头衔有通俗的总监、经理、主管划分,也有助理、资深、专家之类的划分。

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间:2015-04-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据猿

ThinkingGameCEO吕承通:大数据与人工智能在游戏行业的应用(内附视频&PPT)

数据猿导读 近一两年来关于大数据和人工智能的话题越来越多,但是游戏似乎和大数据人工智能没有什么关系。其实不然,接下来我就给大家揭开这个答案。 ? 作者 | 吕承...

4215
来自专栏数据科学与人工智能

【数据科学家】作为数据科学家最重要的是什么?Being Curious

视频是海量的,看视频的人也是海量的,无疑解释人们视频消费行的数据也是海量的,优化视频内容以迎合受众的口味是 Ooyala 公司业务的关键内容,其客户中就有 Fo...

2637
来自专栏PPV课数据科学社区

从诺兰电影《星际穿越》读懂大数据的未知世界

? 近期热映的《星际穿越》中,一个传统的故事被诺兰放置于新的超维空间,立刻产生了众多遐想,激起了人们对宇宙神秘特性的热议。而现实生活中,面对新的大数据时空,那...

3694
来自专栏云加头条

王磊:AI 在传统产业的最佳实践

腾讯云AI应用产品总监王磊在云+未来峰会上做了主题为《AI在传统行业的最佳实践》的分享,以下内容整理自演讲。

4365
来自专栏CDA数据分析师

解读 | 数据分析的发展和演变经过哪几个阶段

近年来,我们在信息技术领域取得了巨大进步,在技术生态领域中取得的一系列革命性成果也确实值得称赞。在过去的十年到二十年里,数据和分析一直是非常热门的词汇。因此我们...

1123
来自专栏镁客网

量子领域军备竞赛升级,谷歌、IBM亮最新武器,“量子霸权”有望被打破?

1170
来自专栏人称T客

报告|Salesforce 2016年营销报告(下):高绩效营销团队营销渠道的5个关键解析

T客汇官网:tikehui 撰文 |卿云 本部分Salesforce2016年营销报告是对营销渠道的主要见解,涉及实施渠道管理、移动力迎来爆点、智能邮件驱动更高...

3208
来自专栏PPV课数据科学社区

【学习】8句话让你彻底明白什么是大数据营销

这个时代搞营销就像是在做一道未知口味的超级大蛋糕,而营销手段就好比不同的口味的配料,随着个人的喜好不同,配出的味道也将会不一样,但这个蛋糕终归是要拿到桌面上去品...

3526
来自专栏云加头条

「智能云」战略新品震撼发布,开发者如何快速上手?(持续更新中)

腾讯云技术社区陆续推出了系列文章,向普通开发者如何快速接入并使用这三大 AI 能力,节省自身的开发成本,同时极大提升开发效率和用户体验。

1.5K2
来自专栏数据科学与人工智能

【数据科学家】揭秘数据科学家

有人给予了大数据专家许多美好的称号,比如“数据开采者”、“数据建筑师”等,但其中最时髦的当属“数据科学家”。当记者在互联网上搜索“数据科学家”这个关键词时,看到...

32710

扫码关注云+社区